基于Web使用挖掘的个性化推荐系统研究与设计
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·基于Web使用挖掘的个性化技术 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第2章 基于Web使用挖掘的个性化技术 | 第14-29页 |
| ·Web个性化技术 | 第14-15页 |
| ·基于Web使用挖掘的Web个性化技术的发展 | 第15-17页 |
| ·Web使用挖掘的数据特点 | 第17-22页 |
| ·Web使用挖掘的数据类型 | 第17页 |
| ·Web使用数据的来源 | 第17-21页 |
| ·关键术语 | 第21-22页 |
| ·基于Web使用挖掘的个性化处理过程 | 第22-28页 |
| ·数据预处理 | 第22-24页 |
| ·模式发现 | 第24-28页 |
| ·产生推荐 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于页面聚类的个性化推荐算法研究 | 第29-40页 |
| ·聚类分析在个性化系统中的应用 | 第29-31页 |
| ·存在的问题 | 第31页 |
| ·一种增量式页面聚类算法 | 第31-36页 |
| ·访问兴趣的表示 | 第32-33页 |
| ·网站访问模型 | 第33页 |
| ·页面聚类算法描述 | 第33-35页 |
| ·聚类算法表示 | 第35-36页 |
| ·基于页面聚类的推荐算法 | 第36-39页 |
| ·推荐得分的计算 | 第36-37页 |
| ·推荐决策算法表示 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于Web使用挖掘个性化推荐系统设计 | 第40-52页 |
| ·已有个性化推荐系统工作框架分析 | 第40-42页 |
| ·已有个性化系统应用中面临的挑战 | 第42-43页 |
| ·在线处理的个性化推荐系统 | 第43-51页 |
| ·个性化推荐系统体系结构 | 第43-46页 |
| ·网络监视 | 第46页 |
| ·数据准备 | 第46-47页 |
| ·访问信息更新 | 第47-49页 |
| ·页面聚类 | 第49-50页 |
| ·产生推荐 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 个性化推荐系统的实现 | 第52-64页 |
| ·Apache简介 | 第52-55页 |
| ·Apache Web服务器 | 第52-53页 |
| ·Apache模块 | 第53-55页 |
| ·推荐系统的具体实现 | 第55-58页 |
| ·推荐系统的特点 | 第55页 |
| ·关键技术的分析 | 第55-56页 |
| ·模块结构的定义 | 第56-58页 |
| ·推荐系统的实验 | 第58-62页 |
| ·推荐结果表现形式 | 第58-59页 |
| ·推荐效果实验 | 第59-62页 |
| ·响应时间 | 第62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
